摘要：本文主要對車模整體設計思路，硬件與軟件設計及車模的裝配調試過程作簡要的說明。智能車通過實時對自身運動速度及方向等進行調整來“沿”賽道運動。運動策略的制定主要是依靠對傳感器得到的道路及行駛信息進行采集、分析、決策、執行四個步驟來進行的。

傳感器電路設計延續往屆的傳感器方案，今年仍然采用了CCD作為傳感器，但采用了信號質量更佳，黑白對比度更大的Sony系列CCD，當攝像頭安裝高度為30cm，俯角為30°時，其最大黑白電壓差可達到1V。

為了從CCD輸出的PAL制式信號中提取賽道信息，秉承硬件二值化的指導思想，將灰度圖像轉換成黑白圖像，由于普通I/O和PAC的操作速度要比A/D快，可提高分辨率和前瞻。通過硬件預處理提取賽道信息，目前有兩種主要途徑：微分邊緣檢測和閾值比較檢測。

微分邊緣檢測：通過數據采集程序效率的優化，在總線頻率24MHz條件下可以準確捕獲寬度1.5ms的黑線信號。并可以達到1200多的行分辨率和很高的中心解析精度。在直道上，由于遠處的黑白之間的電壓差較小，遠處的賽道信息提取不到，得到的預處理圖像是不可信的。另外，在近處也經常發生丟失賽道邊緣的情況。

數字閾值比較檢測 ：利用快速A/D采集CCD信號，MCU輸出信號作為閾值與快速A/D得到的信號通過數字比較器得到二值化信息。 這個電路的優勢在于可以通過MCU輸出不同的閾值從而得到良好的信噪比，另外，快速A/D得到的信號可以輸入給單片機，硬件預處理效果不佳的時候可以切換到片外A/D模式，使算法更加靈活。但由于單片機的計算能力有限，切換到片外A/D模式之后數據量過大，最終沒有采取這種方案。

模擬閾值比較檢測 ：模擬閾值比較檢測與上述數字閾值比較檢測原理相似，只是用D/A輸出閾值與CCD輸出信號進行比較得出賽道信息。該方案可以達到3m的直線前瞻，1.5m的彎道前瞻，但該方案最大的缺點就是受光線的影響較大，如果不事先適應場地光照條件，信號質量難以保證。最終我們采取了第三種方案，圖1是最終版本的模擬閾值比較電路，利用LM1881芯片獲得行同步信號和場同步信號使單片機(MCU)與CCD保持同步，采集每行的邊沿信息得到賽道信息。

關鍵詞： 飛思卡爾 智能車 攝像頭 CCD 圖像處理 201003